專利名稱：一種車輛跟蹤的方法及裝置的制作方法
技術領域：
本發(fā)明涉及智能交通監(jiān)控技術領域，特別涉及一種車輛跟蹤的方法及裝置。
背景技術：
隨著城市的迅猛發(fā)展，城市的人口和車輛在急劇增長，交通流量日益加大，交通擁堵現象日益嚴重，交通問題已經成為城市管理中的重大問題，其嚴重阻礙了城市的發(fā)展，特別是各種車輛違章現象的隨時隨地的發(fā)生，使得城市交通的監(jiān)控變得非常困難，由此出現了運動目標視頻跟蹤技術用以監(jiān)控車輛的智能交通系統(tǒng)。目前車輛跟蹤方法包括基于車牌的跟蹤捕獲方法以及基于運動信息的跟蹤捕獲方法。其中，基于車牌的跟蹤捕獲方法包括確定當前幀視頻圖像中當前目標點的地理位置信息，提取前一幀視頻圖像中所有已跟蹤上目標點的地理位置信息，并獲得當前目標點與所有已跟蹤上目標點之間的最小距離，當該最小距離小于設定值時，則確定當前目標點為最小距離對應的已跟蹤上目標點。這種方法必須首先定位出當前目標點的地理位置信息， 對于未定位的車輛容易漏車，跟蹤錯誤的幾率也比較大?；谶\動信息的跟蹤捕獲方法包括將當前幀視頻圖像中設定虛擬圈中的圖像與前一幀視頻圖像中設定虛擬圈中的圖像進行比較，獲得幀差圖，遍歷幀差圖中每個像素點是否為白點，若白點的個數超過半數像素點，將虛擬線圈的狀態(tài)設定為1，否則設定為0。當虛擬線圈狀態(tài)由0變?yōu)?時，則確定有車輛進入虛擬線圈，否則，確定車輛從虛擬線圈中離開，此時，捕獲車輛。這種方法的局限性比較大，具有重復捕獲、漏捕獲等缺點，特別在交叉路口，重復捕獲的可能性會更大?？梢?，目前車輛跟蹤方法的準確性還不高，直接影響了智能交通系統(tǒng)的效率。

發(fā)明內容
本發(fā)明實施例提供一種車輛跟蹤方法及裝置，用以提高智能交通系統(tǒng)的效率。本發(fā)明實施例提供一種車輛跟蹤方法，包括將從當前幀視頻圖像的檢測區(qū)域內識別出的一個車牌確定為當前目標點；將所述當前目標點的車牌信息分別與每個待跟蹤目標點的車牌信息進行匹配；當所述當前目標點的車牌信息與一個待跟蹤目標點的車牌信息匹配時，確定所述當前目標點為所述待跟蹤目標點，并更新所述待跟蹤目標點的跟蹤列表信息；否則，確定所述當前目標點為新的待跟蹤目標點，并建立所述新的待跟蹤目標點的跟蹤列表信息，其中，所述跟蹤列表信息包括所述待跟蹤目標點在每幀視頻圖像上的位置信息，車牌字符標識，以及每幀視頻圖像的幀號和存儲位置信息。本發(fā)明實施例提供一種車輛跟蹤的裝置，包括識別單元，用于將從當前幀視頻圖像的檢測區(qū)域內識別出的一個車牌確定為當前目標點；匹配單元，用于將所述當前目標點的車牌信息分別與每個待跟蹤目標點的車牌信息進行匹配；第一跟蹤單元，用于當所述當前目標點的車牌信息與一個待跟蹤目標點的車牌信息匹配時，確定所述當前目標點為所述待跟蹤目標點，并更新所述待跟蹤目標點的跟蹤列表信息；否則，確定所述當前目標點為新的待跟蹤目標點，并建立所述新的待跟蹤目標點的跟蹤列表信息，其中，所述跟蹤列表信息包括所述待跟蹤目標點在每幀視頻圖像上的位置信息，車牌字符標識，以及每幀視頻圖像的幀號和存儲位置信息。本發(fā)明實施例中，對于檢測區(qū)域內的車輛，采用車牌信息匹配進行車輛跟蹤，這樣，只需要較小的計算量就可以實現準確的車輛跟蹤，從而，不需要大量的人員參與車輛跟蹤過程中，提高了智能交通系統(tǒng)的效率。


圖1為本發(fā)明實施例中車輛跟蹤的流程圖；圖2為本發(fā)明實施例中非檢測區(qū)域內車輛跟蹤的流程圖；圖3為本發(fā)明實施例中車輛跟蹤裝置的結構圖。
具體實施例方式本發(fā)明實施例中，通過攝像頭獲取了當前幀圖像后，對當前幀圖像檢測區(qū)域內的每輛車的車牌進行識別，將識別出的每個車牌的車牌信息與每個待跟蹤目標點的車牌信息進行匹配，根據匹配結果確定識別出的每個車牌是否為待跟蹤目標點。其中，當識別出的一個車牌的車牌信息與一個待跟蹤目標點的車牌信息匹配，則該識別出的車牌為該待跟蹤目標點；當識別出的車牌的車牌信息與所有的待跟蹤目標點的車牌信息都不匹配時，則確定該識別出的車牌未新的待跟蹤目標點。而對于未在檢測區(qū)域中出現的待跟蹤目標點，通過預測軌道跟蹤，確定該待跟蹤目標點是否還在當前幀視頻圖像中，其中，當預測區(qū)域中出現的目標車牌與待跟蹤目標點匹配時，確定該標車牌為待跟蹤目標點，否則，待跟蹤目標點未出現在該當前幀視頻圖像中，即未被跟蹤上。本發(fā)明實施例中，通過攝像頭可獲取多車道中的車輛畫面信息，根據路口的情況及攝像頭安裝的位置，確定視頻圖像中的檢測區(qū)域及跟蹤區(qū)域，檢測區(qū)域設置的原則為，普通車輛在正常的速度下在檢測區(qū)域出現的幀數在10幀及以上，一般將視頻圖像下方1/4到 1/3確定為檢測區(qū)域；將從檢測區(qū)域的上端到對面路口的斑馬線之間的區(qū)域設置為跟蹤區(qū)域，在跟蹤區(qū)域內不對車輛進行定位及識別，只對車輛進行預測跟蹤。這樣，既保證車牌識別準確，車輛可以正確跟蹤，并節(jié)省時間。本發(fā)明實施例中，每個待跟蹤目標點都已在前面的視頻圖像中出現了，即待跟蹤目標點已在上一幀視頻圖像中出現了，或在上上一幀視頻圖像中出現了，因此，已存儲了每個待跟蹤目標點的跟蹤列表信息，其中，跟蹤列表信息包括待跟蹤目標點在每幀視頻圖像上的位置信息，車牌字符標識，以及每幀視頻圖像的幀號和存儲位置信息。例如當前視頻幀圖像為第110幀視頻圖像，一個待跟蹤目標點已分別出現在第108、109幀視頻圖像，則該待跟蹤目標點的跟蹤列表信息包括車牌字符標識0012300，出現在第108幀視頻圖像上的位置坐標為(xl，yl)，第108幀視頻圖像存儲在存儲單元8中，出現在第109幀視頻圖像上的位置坐標為(x2，y2)，第109幀視頻圖像存儲在存儲單元9中。存儲了每個待跟蹤目標點的跟蹤列表信息后，對于檢測區(qū)域內的車輛，采用車牌信息匹配進行跟蹤，對于未出現在檢測區(qū)域內的待跟蹤目標點，還需確定該待跟蹤目標點是否出現在跟蹤區(qū)域，即還需采用預測軌跡進行跟蹤。下面結合說明書附圖對本發(fā)明實施例作進一步詳細描述。參見圖1，本發(fā)明實施例車輛跟蹤的具體過程包括步驟101 從當前幀視頻圖像的檢測區(qū)域內識別出的一個車牌，并將識別出的車牌確定為當前目標點。通過攝像頭獲取了當前幀圖像并存入圖像緩存區(qū)后，通過車牌定位、字符分割、車牌識別可識別出該當前幀視頻圖像的檢測區(qū)域內的一個車牌，并獲得了該車牌的車牌信息，車牌信息包括車牌字符標識，以及該車牌在當前幀視頻圖像上的位置信息。將識別出的車牌確定為當前目標點，并獲得了當前目標點的車牌信息。步驟102 將當前目標點的車牌信息分別與每個待跟蹤目標點的車牌信息進行匹配，即在所有的待跟蹤目標點中查找是否有一個待跟蹤目標點的車牌信息與當前目標點的車牌信息匹配，若有，執(zhí)行步驟103，否則，執(zhí)行步驟104由于車牌信息包括車牌字符標識，以及該車牌在當前幀視頻圖像上的位置信息。 因此，這里可首先根據位置信息進行匹配，若匹配不成功后，再采用車牌字符標識進行匹配?；蛘撸苯硬捎密嚺谱址麡俗R進行匹配。較佳地，先根據位置信息進行匹配，然后采用車牌字符標識進行匹配，這樣，計算量小，匹配比較過程簡單。其中，根據位置信息進行匹配具體包括從每個待跟蹤目標點的跟蹤列表信息中，獲取每個待跟蹤目標點在上一幀視頻圖像上的位置信息，然后，根據當前目標點在當前幀視頻圖像上的位置信息，以及每個待跟蹤目標點在上一幀視頻圖像上的位置信息，確定當前目標點與每個待跟蹤目標點的距離，并將當前目標點與每個待跟蹤目標點的距離中的最小距離與第一閾值進行比較，若當前目標點與每個待跟蹤目標點的距離中的最小距離小于第一閾值時，確定該當前目標點與最小距離對應的第一待跟蹤目標點匹配，執(zhí)行步驟103，否則，采用車牌字符標識進行匹配。第一閾值是車牌在圖像中的最大寬度乘于一個比率值，該比率值大于1，一般，最大寬度是藍色車牌在圖像最底部時的寬度。本發(fā)明實施例中，采用車牌字符標識進行匹配，可直接當前目標點的車牌字符標識與每個待跟蹤目標的車牌字符標識進行比對，當相同字符的個數大于設定個數時，確定當前目標點與待跟蹤目標匹配，執(zhí)行步驟103，否則，執(zhí)行步驟104。為進一步減少計算量，還可將當前目標點與每個待跟蹤目標點的距離中的次小距離與第二閾值進行比較，當次小距離小于第二閾值，再將當前目標點的車牌字符標識與次小距離對應的第二待跟蹤目標的車牌字符標識進行比對當相同字符的個數大于設定個數時，確定當前目標點與第二待跟蹤目標點匹配，執(zhí)行步驟103，其他情況都執(zhí)行步驟104。即當當前目標點與每個待跟蹤目標點的距離中的次小距離小于第二閾值，且當前目標點的車牌字符標識與次小距離對應的第二待跟蹤目標的車牌字符標識中相同字符的個數大于設定個數時，確定當前目標點與第二待跟蹤目標點匹配，執(zhí)行步驟103，否則，執(zhí)行步驟步驟 104。其中，第二閾值大于第一閾值，也與車牌在圖像中的最大寬度有關。
這樣，只需比對一次，就可確定當前目標點是否與待跟蹤目標點匹配，極大地節(jié)省了資源。步驟103 將當前目標確定為車牌信息匹配的待跟蹤目標點，并更新待跟蹤目標點的跟蹤列表信息。在所有的待跟蹤目標點中已查找到一個待跟蹤目標點的車牌信息與當前目標點的車牌信息匹配，因此，將當前目標點確定為車牌信息匹配的待跟蹤目標點，并更新待跟蹤目標點的跟蹤列表信息。即將該待跟蹤目標點在當前幀視頻圖像上的位置信息，當前幀視頻圖像的幀號和存儲位置信息添加到跟蹤列表信息中。仍以上述的當前視頻幀圖像為第110幀視頻圖像，一個待跟蹤目標點已分別出現在第108、109幀視頻圖像上為例，當識別出的當前目標點為該待跟蹤目標點時，這里，更新后的跟蹤列表信息包括車牌字符標識0012300，出現在第108幀視頻圖像上的位置坐標為(xl，yl)，第108幀視頻圖像存儲在存儲單元8中，出現在第109幀視頻圖像上的位置坐標為(x2，y2)，第109幀視頻圖像存儲在存儲單元9中，出現在第110幀視頻圖像上的位置坐標為(x3，y3)，第10幀視頻圖像存儲在存儲單元10中。步驟104 將當前目標點確定為新的待跟蹤目標點，并建立新的待跟蹤目標點的跟蹤列表信息。由于在所有的待跟蹤目標點中未查找到一個待跟蹤目標點的車牌信息與當前目標點的車牌信息匹配，因此，將當前目標點確定為新的待跟蹤目標點，并建立新的待跟蹤目標點的跟蹤列表信息。即該新的待跟蹤目標點的跟蹤列表信息包括車牌字符標識，新的待跟蹤目標點在當前幀視頻圖像上的位置信息，以及當幀視頻圖像的幀號和存儲位置信息。重復上述過程，可將從檢測區(qū)域內識別出的每個車牌進行定位，并確定每個車牌為待跟蹤目標點或為新的待跟蹤目標點。若通過上述過程，對于每個待跟蹤目標點，在當前幀視頻圖像的檢測區(qū)域內都能確定一個目標點與其匹配，那么跟蹤過程結束。若還有待跟蹤目標點未出現在當前幀視頻圖像的檢測區(qū)域內時，則該待跟蹤目標點可能會出現跟蹤區(qū)域，因此，在當前幀視頻圖像的檢測區(qū)域內未檢測到指定的一個待跟蹤目標點時，還需進行后續(xù)的預測軌跡跟蹤過程。例如待跟蹤目標點分別為車輛1、車輛2和車輛3。在當前幀視頻圖像的檢測區(qū)域內出現了 4個目標點，若通過上述跟蹤過程，確定這4個目標點分別為車輛1、車輛2、車輛3和車輛4，此時，由于每個待跟蹤目標點都已被跟蹤上了，因此跟蹤流程結束。若通過上述跟蹤過程，確定這4個目標點分別為車輛1、車輛2、車輛4和車輛5。 此時，由于車輛3未被跟蹤上，車輛3可能會出現在跟蹤區(qū)域，因此，還需進行后續(xù)的預測軌跡跟蹤過程。因此，本發(fā)明實施例中在當前幀視頻圖像的檢測區(qū)域內未檢測到指定的一個待跟蹤目標點時，車輛跟蹤過程還包括預測軌跡跟蹤，參見圖2，具體包括步驟201 從待跟蹤目標點的跟蹤列表信息中獲取該待跟蹤目標點在至少三幀視頻圖像中的位置信息。從待跟蹤目標點的跟蹤列表信息中獲取該待跟蹤目標點在前面任意三幀，四幀或多幀視頻圖像中的位置信息，較佳地，獲取該待跟蹤目標點在前三幀視頻圖像中的位置信息，分別為 Al (xl，yl)，A2 (x2，y2)，A3 (x3，y3)。步驟202 根據獲取的位置信息，確定當前幀視頻圖像中的預測區(qū)域。
已獲取了待跟蹤目標點在至少三幀視頻圖像中的位置信息，根據兩點連成一條直線的原理，分別計算任意兩點構成的直線的斜率和截距，然后獲得平均斜率和截距，有了斜率和截距，即可根據根據y = ax+b的原理，計算該待跟蹤目標點在當前幀視頻圖像中的的位置信息。最后以該位置信息為中心的設定區(qū)域為預測區(qū)域。預測區(qū)域的大小與車牌的大
小有關。例如獲取的位置信息分別為Al (xl，yl), A2(x2, y2), A3(x3, y3)，分別計算直線A1A2的斜率tmpSlopel和截距tmpOffsetl,直線A1A3的斜率tmpSlope2和截距 tmp0ffset2，直線A2A3的斜率tmpSlope3和截距tmp0ffset3，然后求出平均斜率Slope和平均截距Offset，有了斜率和截距，可以根據y = Slope (x)+0ffset，計算待跟蹤目標在當前幀視頻圖像上可能出現的大致位置B(x，y)。將以B(x，y)為中心的設定區(qū)域確定為預測區(qū)域。步驟203 對預測區(qū)域中的車牌進行模板匹配，獲取模板匹配的最小均值。將待跟蹤目標的車牌圖像作為模板，將模板的左上角點和預測區(qū)域的左上角點重合，將與模板大小一致的一塊區(qū)域作為當前目標區(qū)域，將模板與當前目標區(qū)域中對應像素的的灰度值做差，獲得絕對值，并將當前目標區(qū)域中所有像素對應的絕對值就和，獲得當前目標區(qū)域的均值；然后，以左上角點的下一個像素為重合點，仍然進行上述模板匹配過程， 直至遍歷預測區(qū)域中每個像素，獲得每個目標區(qū)域對應的均值，比較每個目標區(qū)域對應的均值，獲得模板匹配的最小均值。步驟204 將模板匹配的最小均值與第三閾值進行比較，當最小均值小于第三閾值時，執(zhí)行步驟205，否則，執(zhí)行步驟206。步驟205 將最小均值對應的目標區(qū)域確定為待跟蹤目標點，并更新該待跟蹤目標點的跟蹤列表信息。對預測區(qū)域中的車牌進行模板匹配時，獲得每個目標區(qū)域對應的均值，當最小均值小于第三閾值時，確定最小均值對應的目標區(qū)域為真目標，即該目標區(qū)域為待跟蹤目標點，并更新該待跟蹤目標點的跟蹤列表信息。更新過程包括將目標區(qū)域的位置信息c(x， y)，以及當前幀視頻圖像的幀號和存儲位置信息添加到跟蹤列表信息中。步驟206 在預測區(qū)域內進行粗定位，粗定位成功時，執(zhí)行步驟207，否則，粗定位不成功，確定當前幀視頻圖像中未出現該待跟蹤目標點。獲取預測區(qū)域的灰度像，并對灰度圖像進行二值化處理，獲得二值化圖像，利用sobel算子提取二值化圖像的邊緣，并對整幅邊緣二值化圖進行逐行掃描，根據車牌垂直邊緣的跳變的特點找到疑似的車牌所在的行，在特定的長度內，如果邊緣跳變的個數達到一定值，則確定該特定長度為疑似車牌段，待所有行掃描結束后，再將疑似車牌段合并， 并將臨近行的且左右位置也比較接近的疑似車牌段合并，就會形成疑似的車牌掃描區(qū)域。 如果這個疑似的車牌掃描區(qū)域的高度小于2倍車牌的高度，大于1/2倍車牌的高度，則確定粗定位成功，并將該疑似的車牌掃描區(qū)域確定為粗定位的車牌，否則，粗定位不成功，確定當前幀視頻圖像中未出現該待跟蹤目標點。步驟207 將粗定位的車牌確定為待跟蹤目標點，并更新該待跟蹤目標點的跟蹤列表信息。粗定位成功時，已將疑似的車牌掃描區(qū)域確定為粗定位的車牌，則獲取該疑似的
8車牌掃描區(qū)域的位置信息，將該位置信息，以及當前幀視頻圖像的幀號和存儲位置信息添加到跟蹤列表信息中。通過上述過程，可對未出現在當前幀視頻圖像的檢測區(qū)域內的待跟蹤目標點進行跟蹤。當然在本發(fā)明另一實施例中，可不執(zhí)行步驟206和207，即只進行模板匹配，而不進行粗定位。本發(fā)明實施例中，通過攝像頭可獲取多車道中的車輛畫面信息，將獲取的當前幀視頻圖像存入圖像緩存區(qū)中，在上述車輛跟蹤完成后，可根據設定條件對車輛進行捕獲。這里，通過攝像頭獲取了當前幀圖像后，采用循環(huán)存入的方式將其存入圖像緩存區(qū)中，當確定一個待跟蹤目標滿足設定的捕獲條件，則從該待跟蹤目標的跟蹤列表信息中查找到該待跟蹤目標的最小視頻圖像幀號，并確定該最小視頻圖像幀號對應的存儲位置信息，最后，根據該存儲位置信息，從圖像緩存區(qū)中提取對應的視頻圖像，并將提取的視頻圖像確定為捕獲圖像。例如圖像緩存區(qū)分配了 100個存儲單元，每個單元存儲一幀視頻圖像，每次攝像頭獲取一幀視頻圖像，就循環(huán)存入圖像緩存區(qū)中，并在待跟蹤目標的跟蹤列表信息中包括存儲位置信息。當一個待跟蹤目標連續(xù)出現在10幀視頻圖像中，或該待跟蹤目標連續(xù)出現違章情況時，在待跟蹤目標的跟蹤列表信息中查找到最小視頻圖像幀號，以及確定最小視頻圖像幀號對應的存儲位置信。例如最小視頻圖像幀號為103幀，存儲位置信息為第3存儲單元。則從第3存儲單元中提取第103幀視頻圖像，并第103幀視頻圖像確定為捕獲圖像。通過上述序列緩存式捕獲算法，捕獲車道都是剛出現在視野中的圖像，車輛信息清晰，容易辨認。根據上述車輛跟蹤的過程，可以構建一種車輛跟蹤的裝置，參見圖3，包括識別單元100、匹配單元200和第一跟蹤單元300，其中，識別單元100，用于將從當前幀視頻圖像的檢測區(qū)域內識別出的一個車牌確定為當前目標點。匹配單元200，用于將當前目標點的車牌信息分別與每個待跟蹤目標點的車牌信息進行匹配。第一跟蹤單元300，用于當當前目標點的車牌信息與一個待跟蹤目標點的車牌信息匹配時，確定當前目標點為待跟蹤目標點，并更新待跟蹤目標點的跟蹤列表信息；否則， 確定當前目標點為新的待跟蹤目標點，并建立新的待跟蹤目標點的跟蹤列表信息，其中，跟蹤列表信息包括待跟蹤目標點在每幀視頻圖像上的位置信息，車牌字符標識，以及每幀視頻圖像的幀號和存儲位置信息。其中，匹配單元200，具體用于根據當前目標點在當前幀視頻圖像上的位置信息， 以及每個待跟蹤目標點在上一幀視頻圖像上的位置信息，確定當前目標點與每個待跟蹤目標點的距離；當當前目標點與每個待跟蹤目標點的距離中的最小距離小于第一閾值時，確定當前目標點與最小距離對應的第一待跟蹤目標點匹配；否則，將當前目標點的字符標識信息與每個待跟蹤目標點的字符標識信息進行匹配。其中，匹配單元200將當前目標點的字符標識信息與每個待跟蹤目標點的字符標識信息進行匹配過程可直接當前目標點的車牌字符標識與每個待跟蹤目標的車牌字符標識進行比對，當相同字符的個數大于設定個數時，確定當前目標點與待跟蹤目標匹配，否則確認不匹配?；蛘撸撈ヅ鋯卧?00，還具體用于當當前目標點與每個待跟蹤目標點的距離中的次小距離小于第二閾值，且當前目標點的車牌字符標識與次小距離對應的第二待跟蹤目標的車牌字符標識中相同字符的個數大于設定個數時，確定當前目標點與第二待跟蹤目標點匹配；否則，確定當前目標點為新的待跟蹤目標點。該車輛跟蹤裝置對于檢測區(qū)域內的車輛，采用車牌信息匹配進行跟蹤，對于未出現在檢測區(qū)域內的待跟蹤目標點，還需確定該待跟蹤目標點是否出現在跟蹤區(qū)域，即還需采用預測軌跡進行跟蹤，因此，該車輛跟蹤裝置還包括第二跟蹤單元。其中，第二跟蹤單元，用于在當前幀視頻圖像的檢測區(qū)域內未檢測到指定的一個待跟蹤目標點時，從待跟蹤目標點的跟蹤列表信息中獲取待跟蹤目標點在至少三幀視頻圖像中的位置信息，根據至少三個位置信息，確定當前幀視頻圖像中的預測區(qū)域，對預測區(qū)域中的車牌進行模板匹配，獲取模板匹配的最小均值，當最小均值小于第三閾值時，將所述最小均值對應的目標區(qū)域確定為待跟蹤目標點，并更新待跟蹤目標點的跟蹤列表信息。當最小均值大于或等于第三閾值時，可確定待跟蹤目標點未被跟蹤上，或者，第二跟蹤單元進一步采用粗定位進行軌跡跟蹤，因此，該第二跟蹤單元，還用于當最小均值大于或等于第三閾值時，在預測區(qū)域內進行粗定位，當粗定位成功時，確定粗定位的車牌為待跟蹤目標點，并更新待跟蹤目標點的跟蹤列表信息。上述車輛跟蹤完成后，還可根據設定條件對車輛進行捕獲。因此，車輛跟蹤裝置還包括捕獲單元。該捕獲單元，用于當待跟蹤目標滿足設定的捕獲條件時，從待跟蹤目標的跟蹤列表信息中查找到最小視頻圖像幀號，并確定最小視頻圖像幀號對應的存儲位置信息；根據存儲位置信息，從圖像緩存區(qū)中提取對應的視頻圖像，并將提取的視頻圖像確定為捕獲圖像。本發(fā)明實施例中，對于檢測區(qū)域內的車輛，采用車牌信息匹配進行跟蹤，對于未出現在檢測區(qū)域內的待跟蹤目標點，還需確定該待跟蹤目標點是否出現在跟蹤區(qū)域，即還需采用預測軌跡進行跟蹤。這樣，只需要較小的計算量就可以實現準確的車輛跟蹤，從而，不需要大量的人員參與車輛跟蹤過程中，提高了智能交通系統(tǒng)的效率。并且，準確的跟蹤還有助于違章事件的判斷。另外，采用序列緩存捕獲算法，捕獲的車輛都是剛出現的視頻圖像，這樣，車輛信息清洗，容易辨認。顯然，本領域的技術人員可以對本發(fā)明進行各種改動和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權利要求及其等同技術的范圍之內，則本發(fā)明也意圖包含這些改動和變型在內。
權利要求
1.一種車輛跟蹤的方法，其特征在于，包括將從當前幀視頻圖像的檢測區(qū)域內識別出的一個車牌確定為當前目標點； 將所述當前目標點的車牌信息分別與每個待跟蹤目標點的車牌信息進行匹配； 當所述當前目標點的車牌信息與一個待跟蹤目標點的車牌信息匹配時，確定所述當前目標點為所述待跟蹤目標點，并更新所述待跟蹤目標點的跟蹤列表信息；否則，確定所述當前目標點為新的待跟蹤目標點，并建立所述新的待跟蹤目標點的跟蹤列表信息，其中，所述跟蹤列表信息包括所述待跟蹤目標點在每幀視頻圖像上的位置信息，車牌字符標識，以及每幀視頻圖像的幀號和存儲位置信息。
2.如權利要求1所述的方法，其特征在于，將所述當前目標點的車牌信息分別與每個待跟蹤目標點的車牌信息進行匹配包括根據所述當前目標點在當前幀視頻圖像上的位置信息，以及每個待跟蹤目標點在上一幀視頻圖像上的位置信息，確定所述當前目標點與每個待跟蹤目標點的距離；當所述當前目標點與每個待跟蹤目標點的距離中的最小距離小于第一閾值時，確定所述當前目標點與所述最小距離對應的第一待跟蹤目標點匹配；否則，將所述當前目標點的字符標識信息與每個待跟蹤目標點的字符標識信息進行匹配。
3.如權利要求2所述的方法，其特征在于，將所述當前目標點的字符標識信息與每個待跟蹤目標點的字符標識信進行匹配包括當所述當前目標點與每個待跟蹤目標點的距離中的次小距離小于第二閾值，且所述當前目標點的車牌字符標識與所述次小距離對應的第二待跟蹤目標的車牌字符標識中相同字符的個數大于設定個數時，確定所述當前目標點與所述第二待跟蹤目標點匹配；否則，確定所述當前目標點為新的待跟蹤目標點。
4.如權利要求1所述的方法，其特征在于，在當前幀視頻圖像的檢測區(qū)域內未檢測到指定的一個待跟蹤目標點時，該方法還包括從所述待跟蹤目標點的跟蹤列表信息中獲取所述待跟蹤目標點在至少三幀視頻圖像中的位置信息；根據所述至少三個位置信息，確定當前幀視頻圖像中的預測區(qū)域； 對所述預測區(qū)域中的車牌進行模板匹配，獲取模板匹配的最小均值； 當所述最小均值小于第三閾值時，將所述最小均值對應的目標區(qū)域確定為所述待跟蹤目標點，并更新所述待跟蹤目標點的跟蹤列表信息。
5.如權利要求4所述的方法，其特征在于，當所述最小均值大于或等于第三閾值時，還包括在所述預測區(qū)域內進行粗定位，當粗定位成功時，確定粗定位的車牌為所述待跟蹤目標點，并更新所述待跟蹤目標點的跟蹤列表信息。
6.如權利要求1所述的方法，其特征在于，還包括當待跟蹤目標滿足設定的捕獲條件時，從所述待跟蹤目標的跟蹤列表信息中查找到最小視頻圖像幀號，并確定最小視頻圖像幀號對應的存儲位置信息；根據所述存儲位置信息，從圖像緩存區(qū)中提取對應的視頻圖像，并將提取的視頻圖像確定為捕獲圖像。
7.—種車輛跟蹤的裝置，其特征在于，包括識別單元，用于將從當前幀視頻圖像的檢測區(qū)域內識別出的一個車牌確定為當前目標點匹配單元，用于將所述當前目標點的車牌信息分別與每個待跟蹤目標點的車牌信息進行匹配；第一跟蹤單元，用于當所述當前目標點的車牌信息與一個待跟蹤目標點的車牌信息匹配時，確定所述當前目標點為所述待跟蹤目標點，并更新所述待跟蹤目標點的跟蹤列表信息；否則，確定所述當前目標點為新的待跟蹤目標點，并建立所述新的待跟蹤目標點的跟蹤列表信息，其中，所述跟蹤列表信息包括所述待跟蹤目標點在每幀視頻圖像上的位置信息，車牌字符標識，以及每幀視頻圖像的幀號和存儲位置信息。
8.如權利要求7所述的裝置，其特征在于，所述匹配單元，具體用于根據所述當前目標點在當前幀視頻圖像上的位置信息，以及每個待跟蹤目標點在上一幀視頻圖像上的位置信息，確定所述當前目標點與每個待跟蹤目標點的距離；當所述當前目標點與每個待跟蹤目標點的距離中的最小距離小于第一閾值時，確定所述當前目標點與所述最小距離對應的第一待跟蹤目標點匹配；否則，將所述當前目標點的字符標識信息與每個待跟蹤目標點的字符標識信息進行匹配。
9.如權利要求8所述的裝置，其特征在于，所述匹配單元，還具體用于當所述當前目標點與每個待跟蹤目標點的距離中的次小距離小于第二閾值，且所述當前目標點的車牌字符標識與所述次小距離對應的第二待跟蹤目標的車牌字符標識中相同字符的個數大于設定個數時，確定所述當前目標點與所述第二待跟蹤目標點匹配；否則，確定所述當前目標點為新的待跟蹤目標點。
10.如權利要求7所述的裝置，其特征在于，還包括第二跟蹤單元，用于在當前幀視頻圖像的檢測區(qū)域內未檢測到指定的一個待跟蹤目標點時，從所述待跟蹤目標點的跟蹤列表信息中獲取所述待跟蹤目標點在至少三幀視頻圖像中的位置信息，根據所述至少三個位置信息，確定當前幀視頻圖像中的預測區(qū)域，對所述預測區(qū)域中的車牌進行模板匹配，獲取模板匹配的最小均值，當所述最小均值小于第三閾值時，將所述最小均值對應的目標區(qū)域確定為所述待跟蹤目標點，并更新所述待跟蹤目標點的跟蹤列表信息。
11.如權利要求10所述的裝置，其特征在于，所述第二跟蹤單元，還用于當所述最小均值大于或等于第三閾值時，在所述預測區(qū)域內進行粗定位，當粗定位成功時，確定粗定位的車牌為所述待跟蹤目標點，并更新所述待跟蹤目標點的跟蹤列表信息。
12.如權利要求7所述的裝置，其特征在于，還包括捕獲單元，用于當待跟蹤目標滿足設定的捕獲條件時，從所述待跟蹤目標的跟蹤列表信息中查找到最小視頻圖像幀號，并確定最小視頻圖像幀號對應的存儲位置信息；根據所述存儲位置信息，從圖像緩存區(qū)中提取對應的視頻圖像，并將提取的視頻圖像確定為捕獲圖像。
全文摘要
本發(fā)明公開了一種車輛跟蹤方法及裝置，用以提高智能交通系統(tǒng)的效率。該方法包括將從當前幀視頻圖像的檢測區(qū)域內識別出的一個車牌確定為當前目標點，當所述當前目標點的車牌信息與一個待跟蹤目標點的車牌信息匹配時，確定所述當前目標點為所述待跟蹤目標點，并更新所述待跟蹤目標點的跟蹤列表信息；否則，確定所述當前目標點為新的待跟蹤目標點，并建立所述新的待跟蹤目標點的跟蹤列表信息。
文檔編號G06K9/64GK102509457SQ20111030271
公開日2012年6月20日 申請日期2011年10月9日 優(yōu)先權日2011年10月9日
發(fā)明者劉微, 劉新, 劉韶, 王曉曼, 陳維強 申請人:青島海信網絡科技股份有限公司